Zusammenfassung
Eine wesentliche Voraussetzung für effizienzsteigernden regulierten Wettbewerb in sozialen Krankenversicherungssystemen ist die weitgehende Aufhebung von Selektionsanreizen und Antiselektionseffekten durch Risikoausgleichsmechanismen. Damit solche Mechanismen wirksam sind, ist es u. a. wichtig, dass individuelle Unterschiede im Risiko der Verursachung von Leistungsausgaben hinreichend genau abgebildet werden. Internationale Erfahrungen haben gezeigt, dass Ausgleichsmodelle mit Alter und Geschlecht als alleinige Risikoindikatoren nur einen recht geringen Teil der individuellen Leistungsausgaben erklären. Diese Erkenntnis bestätigt sich auch in der vorliegenden Arbeit an den Daten einer ostdeutschen Regionalkasse. Ein weiteres Ergebnis ist, dass die zusätzliche Verwendung eines Indikators für den Bezug einer Erwerbsminderungsrente die Erklärungskraft des deutschen Risikostrukturausgleichsmodells deutlich verbessert. Allerdings ist auch ein solches soziodemografisches Modell nicht in der Lage, Selektionsanreize ausreichend aufzuheben. Insbesondere bei Hochkostenfällen, BU/EU-Rentnern und Versicherten ab 60 Jahren kann mit beträchtlichen Abweichungen zwischen den mit diesen Ausgleichsparametern als risikobedingt veranschlagten und den tatsächlichen Ausgaben gerechnet werden.
Abstract
One crucial condition for efficiently regulated competition in social health insurance systems is adequate risk adjustment. The primary rationale for risk adjustment is to correct for selection and adverse selection problems. Predictive accuracy is one criterion on which risk adjustment models are being evaluated. International evidence shows that models with age and gender as sole risk adjusters are weak predictors of individual health care expenditures, which is supported by the results of our study based on data provided by a German sickness fund . Our analyses also indicate that the predictive accuracy of the demographic model improves when it is extended with an indicator for invalidity (drawing disability benefits). However, such a model still involves inappropriate insurers’ incentives for risk selection. Particularly the predictive losses for high-cost cases, disabled insurees and insurees aged 60 years and older can be substantial.
This is a preview of subscription content, log in via an institution to check access.
Notes
Vgl. aus damaliger Sicht: Wasem 1993b.
Auf einen RSA kann in einem wettbewerblichen Krankenversicherungssystem nur dann verzichtet werden, wenn die Versicherungsprämien entsprechend dem individuellen Gesundheitsrisiko kalkuliert werden (Zweifel u. Breuer 2002).
Die Geldleistungen der Krankenkassen sind eine deutsche Besonderheit; wegen fehlender Vergleichsmöglichkeiten mit internationalen Untersuchungen wurden sie in die vorliegende Untersuchung nicht einbezogen. Darüber hinaus wurde hier Krankengeld — im RSA gleichzeitig ausgleichsfähige Ausgabenposition und Ausgleichsparameter — außer Betracht gelassen, weil mit der Art seiner Einbeziehung in den RSA u. a. die Einkommens- und Arbeitgeberabhängigkeit der Ausgaben nicht berücksichtigt wird, was als konzeptionell fehlerhaft ausgestaltet angesehen wird (Reschke 1993; Wasem 1993a).
Für eine ausführliche Darstellung sowie eine detaillierte Analyse von Anreizwirkungen vgl. Jacobs, et al. 2002.
Während die beitragspflichtigen Einnahmen je Versicherten 1999 bei der „ärmsten“ Krankenkasse bei unter 10.000 EUR lagen, betrugen sie bei der „reichsten“ Kasse über 21.000 EUR (Jacobs et al. 2002, S. 134). Ceteris paribus müsste die „ärmste“ Kasse in einer Situation ohne RSA allein wegen dieses Faktors einen mehr als doppelt so hohen Beitragssatz erheben als die „reichste“.
Grundsätzlich ist es auch möglich, risikoadjustierte Kopfpauschalen und Beitragsbedarf prospektiv festzulegen, was beispielsweise in den entsprechenden Ausgleichssystemen der USA oder der Niederlande geschieht. Bei einer prospektiven Festlegung werden Risikoindikator-Daten der laufenden Periode herangezogen, um die Ausgaben der folgenden Periode zu erklären; bei einer retrospektiven (oder zeitgleichen) Festlegung beziehen sich sowohl die Risikoindikator-Informationen als auch die zu erklärenden Ausgaben auf die gleiche Periode.
Nichtberücksichtigungsfähig sind im RSA die Verwaltungsausgaben der Kassen sowie Satzungs- und Ermessensleistungen, zu denen insbesondere (ambulante) Kuren gehören.
Zum 01.01.2002 hat der Gesetzgeber beschlossen, dass in einer Übergangszeit bis zur Einführung des direkt morbiditätsorientierten RSA zusätzlich nach dem Merkmal „Eingeschrieben in ein akkreditiertes strukturiertes Behandlungsprogramm (Disease-Management-Programm)“ differenziert werden soll. Bis April 2003 lagen solche Einschreibungen nicht vor — was a fortiori für den dieser Untersuchung zugrunde liegenden Datensatz gilt.
In den Niederlanden werden über den Ausgleichsparameter Erwerbsstatus die Merkmale „beschäftigt“, „arbeitslos“, „Altersrentner“ und „Erwerbsunfähigkeitsrentner“ abgebildet. Die Zugangsbedingungen für eine Erwerbsunfähigkeitsrente in den Niederlanden sind weitaus weniger restriktiv als die zu einer Erwerbsminderungsrente in Deutschland.
Ziel der Untersuchung von Breyer et al. war es u. a. festzustellen, ob neben Alter, Geschlecht und BU/EU-Status noch weitere soziodemografische Parameter identifiziert werden können, die als statistisch signifikante Ausgabenbedarfsindikatoren in einem GKV-Risikostrukturausgleichsmodell berücksichtigt werden könnten.
Mit der Hilfsvariablen werden einerseits BU/EU-Rentnerinnen vernachlässigt, andererseits werden etwa männliche Bezieher von Hinterbliebenenrenten auch zu BU/EU-Rentnern gezählt.
Problem des Überoptimismus oder der Überanpassung („overfitting“): vgl. unten.
Jeder aktuarische Ansatz kann auch als Regressionsansatz abgebildet werden, indem jede der durch (aktuarische) Kreuzklassifikation erhaltenen Parameterkombinationen (Zellen) als Indikatorvariable (Dummy) in ein lineares Regressionsmodell aufgenommen wird.
1-mal Kalibrierung mit Daten der Versichertengrundgesamtheit, 1-mal Kalibrierung mit Daten der RSA-Stichprobenversicherten, 1.000-mal Kalibrierung mit stratifizierten Zufallsstichproben.
Negative CPM-Werte können sich ergeben, wenn die für eine Population ermittelte Erklärungskraft eines Modells nach Untergruppen stratifiziert betrachtet wird: Der Mittelwert in der Formel CPM = 1 – [∑i |ai – âi|)] / [∑i |ai – â|], mit welcher die untergruppenspezifischen CPM-Werte ermittelt werden, bezieht sich auf die ganze Population und nicht auf die jeweiligen Untergruppen.
Literatur
Beck K, Zweifel P (1998) Cream-skimming in deregulated social health insurance: Evidence from Switzerland. In: Zweifel P (ed) Health, the medical profession and regulation. Kluwer Academic, Dordrecht
Breyer F, Heineck M, Lorenz N (2003) Determinants of health care utilization by German sickness fund members — with application to risk adjustment. Health Economics 12(5): 367–376
Breyer F, Kifmann M (2001) Optionen der Weiterentwicklung des Risikostrukturausgleichs in der GKV. Berlin, Deutsches Institut für Wirtschaftsforschung. DIW-Diskussionspapiere 236
Cumming RB, Knutson D, Cameron B, Derrick B (2002) A comparative analysis of claims-based methods of health risk assessment for commercial populations. A research study sponsored by the Society of Actuaries, http://www.soa.org
Ingber MJ (1998) The current state of risk adjustment technology for capitation. J Ambul Care Manag 21(4):1–28
Jacobs K, Reschke P, Cassel D, Wasem J (2002) Zur Wirkung des Risikostrukturausgleichs in der Gesetzlichen Krankenversicherung — Eine Untersuchung im Auftrag des Bundesministeriums für Gesundheit: Endbericht. Schriftenreihe des Bundesministeriums für Gesundheit, Bd 140. Nomos, Baden-Baden
Lamers L (1998) Risk-adjusted capitation based on the diagnostic group model: an empirical evaluation with health survey information. Health Serv Res 33(6):1727–1744
Lauterbach K, Wille E (2001) Modell eines fairen Wettbewerbs durch den Risikostrukturausgleich — Sofortprogramm „Wechslerkomponente und solidarische Rückversicherung“ unter Berücksichtigung der Morbidität. Gutachten im Auftrag des VdAK, des AEV, des AOK-BV und des IKK-BV. Köln/Mannheim
Reschke P (1993) Diskussionsbeitrag. In: Paquet R, König W (Hrsg) Der Risikostrukturausgleich und die Konsequenzen für den Wettbewerb. Essen: Bundesverband der Betriebskrankenkassen, S 66–69
Reschke P, Ryll A, Schräder WF, Sehlen S, Lauterbach K, Wasem J (2002) Zur Auswahl geeigneter Gruppenbildungen, Gewichtungsfaktoren und Klassifikationsmerkmale für einen direkt morbiditätsorientierten Risikostrukturausgleich in der gesetzlichen Krankenversicherung — Untersuchung im Auftrag des Bundesministeriums für Gesundheit (Zwischenbericht). Berlin Köln Greifswald
Van de Ven WPMM, Ellis R (2000) Risk adjustment in competitive health plan markets. In: Culyer AJ, Newhouse JP (eds) Handbook of health economics. Elsevier, Amsterdam, 1A:755–845
Van de Ven WPMM, Van Vliet R (1992) How can we prevent cream skimming in a competitive health insurance market? The great challenge for the 90’s. In: Zweifel P, Frech HE (eds) Health economics worldwide. Kluwer, Dordrecht, pp 23–46
Van de Ven WPMM, Beck K, Buchner F et al. (2003) Risk adjustment and risk selection on the sickness fund insurance market in five European countries. (Van De Ven Special Issue). Health Policy 65(1):1–100
Wasem J (1993a) Berücksichtigung des Krankengeldes beim Risikostrukturausgleich: Statement II. In: Paquet R, König W (Hrsg) Der Risikostrukturausgleich und die Konsequenzen für den Wettbewerb. Bundesverband der Betriebskrankenkassen, Essen, S 58–65
Wasem J (1993b) Der kassenartenübergreifende Risikostrukturausgleich — Chancen für eine neue Wettbewerbsordnung in der GKV. Sozialer Fortschritt 42(1): 32–39
Zweifel P, Breuer M (2002) Weiterentwicklung des deutschen Gesundheitssystems. Gutachten im Auftrag des Verbands Forschender Arzneimittelhersteller. Zürich
Danksagung
Die Autoren danken zwei anonymen Gutachtern für hilfreiche Verbesserungsvorschläge bei früheren Fassungen des Beitrags. Der Beitrag ist aus einem Forschungsvorhaben zur morbiditätsorientierten Weiterentwicklung des RSA hervorgegangen, welche in der Anfangsphase im Rahmen des Förderprogramms „Public Health“ vom Bundesministerium für Bildung und Forschung (BMBF) gefördert wurde.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Behrend, C., Greß, S., Holle, R. et al. Zur Erklärungskraft des heutigen soziodemografischen Risikostrukturausgleichsmodells. J Public Health 12, 20–31 (2004). https://doi.org/10.1007/s10389-003-0005-2
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s10389-003-0005-2